如何通过与输入单词相关的相似性对数组进行排序。
Posted
技术标签:
【中文标题】如何通过与输入单词相关的相似性对数组进行排序。【英文标题】：How to sort an array by similarity in relation to an inputted word. 【发布时间】：2011-11-05 06:35:12 【问题描述】：我有关于php数组，例如：
$arr = array("hello", "try", "hel", "hey hello");
现在我想重新排列数组，这将基于数组和我的 $search var 之间最接近的单词。
我该怎么做？
【问题讨论】：
您的意思是根据用户输入的输入值按特定顺序排列数组？ 看看soundex 和metaphone。这是 PHP 中计算两个单词之间差异的两种常用方法。但我目前不知道如何根据有意义的指标对它们进行排序。你能再解释一下你的排序顺序吗？ 【参考方案1】：这是使用http://php.net/manual/en/function.similar-text.php 的快速解决方案：
这会计算两个字符串之间的相似度，如 Oliver 的 Programming Classics：实现世界上最好的算法 (ISBN 0-131-00413-1) 中所述。请注意，此实现不像 Oliver 的伪代码那样使用堆栈，而是使用递归调用，这可能会也可能不会加速整个过程。另请注意，此算法的复杂度为 O(N**3)，其中 N 是最长字符串的长度。
$userInput = 'Bradley123';
$list = array('Bob', 'Brad', 'Britney');
usort($list, function ($a, $b) use ($userInput)
similar_text($userInput, $a, $percentA);
similar_text($userInput, $b, $percentB);
return $percentA === $percentB ? 0 : ($percentA > $percentB ? -1 : 1);
);
var_dump($list); //output: array("Brad", "Britney", "Bob");
或者使用http://php.net/manual/en/function.levenshtein.php:
Levenshtein 距离定义为将 str1 转换为 str2 所需替换、插入或删除的最少字符数。该算法的复杂度为 O(m*n)，其中 n 和 m 是 str1 和 str2 的长度（与similar_text() 相比相当好，即 O(max(n,m)**3)，但是还是很贵）。
$userInput = 'Bradley123';
$list = array('Bob', 'Brad', 'Britney');
usort($list, function ($a, $b) use ($userInput)
$levA = levenshtein($userInput, $a);
$levB = levenshtein($userInput, $b);
return $levA === $levB ? 0 : ($levA > $levB ? 1 : -1);
);
var_dump($list); //output: array("Britney", "Brad", "Bob");
【讨论】：
如何将similar_text应用于多维数组？ 很好的答案。如果没有输入（如完全从方程中删除）怎么办？【参考方案2】：你可以使用levenshtein函数
<?php
// input misspelled word
$input = 'helllo';
// array of words to check against
$words = array('hello' 'try', 'hel', 'hey hello');
// no shortest distance found, yet
$shortest = -1;
// loop through words to find the closest
foreach ($words as $word)
// calculate the distance between the input word,
// and the current word
$lev = levenshtein($input, $word);
// check for an exact match
if ($lev == 0)
// closest word is this one (exact match)
$closest = $word;
$shortest = 0;
// break out of the loop; we've found an exact match
break;
// if this distance is less than the next found shortest
// distance, OR if a next shortest word has not yet been found
if ($lev <= $shortest || $shortest < 0)
// set the closest match, and shortest distance
$closest = $word;
$shortest = $lev;
echo "Input word: $input\n";
if ($shortest == 0)
echo "Exact match found: $closest\n";
else
echo "Did you mean: $closest?\n";
?>
【讨论】：
【参考方案3】：如果要对数组进行排序，可以这样做：
$arr = array("hello", "try", "hel", "hey hello");
$search = "hey"; //your search var
for($i=0; $i<count($arr); $i++)
$temp_arr[$i] = levenshtein($search, $arr[$i]);
asort($temp_arr);
foreach($temp_arr as $k => $v)
$sorted_arr[] = $arr[$k];
$sorted_arr 应该从最接近您的搜索词的单词开始按降序排列。
【讨论】：
【参考方案4】：另一种方法是使用 similar_text 函数以百分比形式返回结果。 查看更多http://www.php.net/manual/en/function.similar-text.php。
【讨论】：
【参考方案5】：虽然@yceruto 的回答正确且内容丰富，但我想扩展更多见解并展示更现代的实现语法。
PHP7+ 中的三路比较运算符（又名“spaceship operator”）<=>
Arrow function syntax 允许额外变量进入 PHP7.4+ 的自定义函数范围。
首先关于各个函数生成的分数...
levenshtein() 和 similar_text() 区分大小写，因此与 h 相比，大写的 H 与数字 6 一样不匹配。
levenshtein() 和 similar_text() 不支持多字节，因此像 ê 这样的重音字符不仅会被视为与 e 不匹配，而且可能会因为每个单独的字节不匹配而受到更重的惩罚。
如果要进行不区分大小写的比较，只需在执行前将两个字符串都转换为大写/小写即可。
如果您的应用程序需要多字节支持，您应该搜索提供此功能的现有存储库。
对于那些愿意进行更深入研究的人来说，其他技术包括 metaphone() 和 soundex()，但我不会在这个答案中深入研究这些主题。
分数：
Test vs "hello" | levenshtein | similar_text | similar_text's percent |
----------------+----------------+----------------+----------------------------|
H3||0 | 5 | 0 | 0 |
Hallo | 2 | 3 | 60 |
aloha | 5 | 2 | 40 |
h | 4 | 1 | 33.333333333333 |
hallo | 1 | 4 | 80 |
hallå | 3 | 3 | 54.545454545455 |
hel | 2 | 3 | 75 |
helicopter | 6 | 4 | 53.333333333333 |
hellacious | 5 | 5 | 66.666666666667 |
hello | 0 | 5 | 100 |
hello y'all | 6 | 5 | 62.5 |
hello yall | 5 | 5 | 66.666666666667 |
helów | 3 | 3 | 54.545454545455 |
hey hello | 4 | 5 | 71.428571428571 |
hola | 3 | 2 | 44.444444444444 |
hêllo | 2 | 4 | 72.727272727273 |
mellow yellow | 9 | 4 | 44.444444444444 |
try | 5 | 0 | 0 |
按levenshtein() PHP7+ (Demo)排序
usort($testStrings, function($a, $b) use ($needle)
return levenshtein($needle, $a) <=> levenshtein($needle, $b);
);
按levenshtein() PHP7.4+ (Demo)排序
usort($testStrings, fn($a, $b) => levenshtein($needle, $a) <=> levenshtein($needle, $b));
**请注意，$a 和 $b 已更改 DESC 排序的 <=> 评估的两侧。
请注意，hello 不能保证被定位为第一个元素
按similar_text() PHP7+ (Demo) 排序
usort($testStrings, function($a, $b) use ($needle)
return similar_text($needle, $b) <=> similar_text($needle, $a);
);
按similar_text() PHP7.4+ (Demo)排序
usort($testStrings, fn($a, $b) => similar_text($needle, $b) <=> similar_text($needle, $a));
注意hallå 和helicopter 通过similar_text() 的返回值与similar_text() 的百分比值的差异。
按similar_text() 的 PHP7+ 百分比排序 (Demo)
usort($testStrings, function($a, $b) use ($needle)
similar_text($needle, $a, $percentA);
similar_text($needle, $b, $percentB);
return $percentB <=> $percentA;
);
按similar_text() 的百分比 PHP7.4+ (Demo) 排序
usort($testStrings, fn($a, $b) =>
[is_int(similar_text($needle, $b, $percentB)), $percentB]
<=>
[is_int(similar_text($needle, $a, $percentA)), $percentA]
);
请注意，我通过将similar_text() 的返回值转换为true，然后使用生成的percent 值来消除不需要的返回值——这允许生成百分比值而不返回很快，因为箭头函数语法不允许多行执行。
按levenshtein() 高效排序，然后只在需要抢七时调用similar_text()，PHP7+ (Demo)
usort($testStrings, function($a, $b) use ($needle)
return levenshtein($needle, $a) <=> levenshtein($needle, $b)
?: similar_text($needle, $b) <=> similar_text($needle, $a);
);
按levenshtein() 高效排序，然后仅调用similar_text() 并在需要抢七时使用其百分比，PHP7.4+ (Demo)
usort($testStrings, fn($a, $b) =>
levenshtein($needle, $a) <=> levenshtein($needle, $b)
?: similar_text($needle, $b) <=> similar_text($needle, $a)
);
就我个人而言，除了levenshtein()，我从不在我的项目中使用任何其他东西，因为它始终如一地提供我正在寻找的结果。
【讨论】：
以上是关于如何通过与输入单词相关的相似性对数组进行排序。的主要内容，如果未能解决你的问题，请参考以下文章